Di bidang AI + Crypto, ada banyak proyek yang berupaya mengumpulkan komputasi tepi atau kapasitas komputasi yang menganggur, lalu menggunakan insentif kripto untuk menyediakan dukungan komputasi bagi AI. Proyek AI DePIN @Acurast yang baru-baru ini diluncurkan di Bithumb adalah salah satu contoh tipikal. Mari kita bahas secara singkat:
1）Kebutuhan inferensi AI terus berubah. Persaingan perangkat keras kelas H100 yang awalnya dibutuhkan dalam persaingan kapasitas komputasi model kini perlahan berubah menjadi kebutuhan yang lebih terfragmentasi dan ringan, didorong oleh aplikasi Agent. Ketika Agent perlu sering memanggil model kecil untuk mengambil keputusan, menggunakan alat, dan melakukan inferensi secara real-time, pusat data terpusat justru bukan lagi solusi optimal. Sebaliknya, komputasi tepi menjadi kebutuhan utama karena kebutuhan komputasinya per tugas tidak besar, tetapi lebih sensitif terhadap latensi, privasi, keterverifikasian, dan biaya.
Acurast memilih miliaran ponsel pintar di seluruh dunia sebagai titik terobosan karena meskipun daya komputasi ponsel bukan yang terkuat, perangkat ini paling tersebar luas, paling mudah dijumpai, sekaligus memiliki fitur keamanan perangkat keras bawaan. Bagi pengguna, ponsel pun menjadi pilihan dengan hambatan masuk dan biaya partisipasi paling rendah;
2）Bagaimana cara kerjanya? Sebagian besar ponsel sudah dilengkapi lingkungan eksekusi tepercaya TEE dan modul keamanan perangkat keras. Keduanya menyediakan kemampuan dasar untuk komputasi inferensi sekaligus membantu mengatasi masalah penting terkait privasi dan keterverifikasian. Setelah pengguna mendaftarkan aplikasi Processor dan menjadikan ponsel yang tidak terpakai sebagai node, developer dapat memasang program seperti inferensi LLM ringan, pemanggilan API, tugas terjadwal, dan pemrosesan data. Dengan begitu, mereka dapat menjalankan tugas node dan memperoleh hadiah;
3）Saat ini, sudah ada lebih dari 300 ribu perangkat yang beroperasi di jaringan ini, mencakup lebih dari 170 negara, memproses lebih dari 1 miliar transaksi on-chain, dan melakukan ratusan ribu deployment. Ini merupakan validasi awal atas kelayakan kebutuhan dan model tokennya. Namun, banyak proyek DePIN sebelumnya gagal karena model insentifnya tidak berkelanjutan. Untuk mengatasi hal ini, Acurast telah menyiapkan langkah-langkah berikut:
1. Mengaitkan hadiah dengan komitmen nyata. Node harus melakukan staking base:0xc5fed7c8ccc75d8a72b601a66dffd7a489073f0b dan berkomitmen menyediakan kapasitas komputasi tertentu. Jika tidak memenuhi komitmen, stake dapat di-slash. Jadi, hadiah tidak sekadar dibagikan berdasarkan status online;
2. Sekitar 70% dari sebagian besar emisi inflasi protokol dialokasikan ke pool staking kapasitas komputasi. Arus kas nyata yang dibayarkan oleh pengguna kapasitas komputasi juga disalurkan kepada para staker yang benar-benar menjalankan tugas. Porsi investor awal ditekan cukup rendah dengan tujuan mengaitkan model token dengan beban kerja nyata dan mengurangi tekanan jual dari pihak yang tidak berkontribusi.
4）Dari sisi pengalaman pengguna, partisipasinya cukup dengan memasang aplikasi dan menjalankan ponsel yang tidak terpakai. Dengan cara ini, bisnis DePIN menjangkau pengguna biasa, bukan hanya penambang profesional. Bagi developer di sisi permintaan, tersedia pula proses deployment mulai dari API sederhana hingga inferensi LLM di berbagai lingkungan Node.js atau Cargo, tanpa perlu mengelola server tambahan.
Jelas, tujuan desain yang mudah diakses ini adalah agar bisnis tersebut benar-benar dapat berkembang dalam skala besar. Namun, tantangan terbesarnya tetap berada di sisi permintaan, termasuk seberapa banyak kebutuhan terkait inferensi Agent, pemanggilan alat, pemrosesan data, dan sebagainya.
Sekian.
Hanya jika permintaan yang kuat di sisi pengguna dipadukan dengan ekspansi skala di sisi penyedia, serta model token yang terus berjalan, model bisnis ini benar-benar bisa berhasil. Jika sekarang harus ditanya jawaban pastinya, tentu belum ada.
Namun, mengikuti arah perkembangan narasi, posisi Acurast dalam ekosistem adalah pada peralihan AI dari persaingan kapasitas komputasi untuk model besar menuju penerapan aplikasi Agent. Selama tren ini berlanjut, permintaannya sampai batas tertentu tidak bisa dibantah. Jadi, yang perlu ditunggu agar skala bisnisnya berkembang hanyalah waktu.
Tautan asli (X): https://x.com/tmel0211/status/2114617571693764749
1）Kebutuhan inferensi AI terus berubah. Persaingan perangkat keras kelas H100 yang awalnya dibutuhkan dalam persaingan kapasitas komputasi model kini perlahan berubah menjadi kebutuhan yang lebih terfragmentasi dan ringan, didorong oleh aplikasi Agent. Ketika Agent perlu sering memanggil model kecil untuk mengambil keputusan, menggunakan alat, dan melakukan inferensi secara real-time, pusat data terpusat justru bukan lagi solusi optimal. Sebaliknya, komputasi tepi menjadi kebutuhan utama karena kebutuhan komputasinya per tugas tidak besar, tetapi lebih sensitif terhadap latensi, privasi, keterverifikasian, dan biaya.
Acurast memilih miliaran ponsel pintar di seluruh dunia sebagai titik terobosan karena meskipun daya komputasi ponsel bukan yang terkuat, perangkat ini paling tersebar luas, paling mudah dijumpai, sekaligus memiliki fitur keamanan perangkat keras bawaan. Bagi pengguna, ponsel pun menjadi pilihan dengan hambatan masuk dan biaya partisipasi paling rendah;
2）Bagaimana cara kerjanya? Sebagian besar ponsel sudah dilengkapi lingkungan eksekusi tepercaya TEE dan modul keamanan perangkat keras. Keduanya menyediakan kemampuan dasar untuk komputasi inferensi sekaligus membantu mengatasi masalah penting terkait privasi dan keterverifikasian. Setelah pengguna mendaftarkan aplikasi Processor dan menjadikan ponsel yang tidak terpakai sebagai node, developer dapat memasang program seperti inferensi LLM ringan, pemanggilan API, tugas terjadwal, dan pemrosesan data. Dengan begitu, mereka dapat menjalankan tugas node dan memperoleh hadiah;
3）Saat ini, sudah ada lebih dari 300 ribu perangkat yang beroperasi di jaringan ini, mencakup lebih dari 170 negara, memproses lebih dari 1 miliar transaksi on-chain, dan melakukan ratusan ribu deployment. Ini merupakan validasi awal atas kelayakan kebutuhan dan model tokennya. Namun, banyak proyek DePIN sebelumnya gagal karena model insentifnya tidak berkelanjutan. Untuk mengatasi hal ini, Acurast telah menyiapkan langkah-langkah berikut:
1. Mengaitkan hadiah dengan komitmen nyata. Node harus melakukan staking base:0xc5fed7c8ccc75d8a72b601a66dffd7a489073f0b dan berkomitmen menyediakan kapasitas komputasi tertentu. Jika tidak memenuhi komitmen, stake dapat di-slash. Jadi, hadiah tidak sekadar dibagikan berdasarkan status online;
2. Sekitar 70% dari sebagian besar emisi inflasi protokol dialokasikan ke pool staking kapasitas komputasi. Arus kas nyata yang dibayarkan oleh pengguna kapasitas komputasi juga disalurkan kepada para staker yang benar-benar menjalankan tugas. Porsi investor awal ditekan cukup rendah dengan tujuan mengaitkan model token dengan beban kerja nyata dan mengurangi tekanan jual dari pihak yang tidak berkontribusi.
4）Dari sisi pengalaman pengguna, partisipasinya cukup dengan memasang aplikasi dan menjalankan ponsel yang tidak terpakai. Dengan cara ini, bisnis DePIN menjangkau pengguna biasa, bukan hanya penambang profesional. Bagi developer di sisi permintaan, tersedia pula proses deployment mulai dari API sederhana hingga inferensi LLM di berbagai lingkungan Node.js atau Cargo, tanpa perlu mengelola server tambahan.
Jelas, tujuan desain yang mudah diakses ini adalah agar bisnis tersebut benar-benar dapat berkembang dalam skala besar. Namun, tantangan terbesarnya tetap berada di sisi permintaan, termasuk seberapa banyak kebutuhan terkait inferensi Agent, pemanggilan alat, pemrosesan data, dan sebagainya.
Sekian.
Hanya jika permintaan yang kuat di sisi pengguna dipadukan dengan ekspansi skala di sisi penyedia, serta model token yang terus berjalan, model bisnis ini benar-benar bisa berhasil. Jika sekarang harus ditanya jawaban pastinya, tentu belum ada.
Namun, mengikuti arah perkembangan narasi, posisi Acurast dalam ekosistem adalah pada peralihan AI dari persaingan kapasitas komputasi untuk model besar menuju penerapan aplikasi Agent. Selama tren ini berlanjut, permintaannya sampai batas tertentu tidak bisa dibantah. Jadi, yang perlu ditunggu agar skala bisnisnya berkembang hanyalah waktu.
Tautan asli (X): https://x.com/tmel0211/status/2114617571693764749